K-NN邻域从Matlab到Python

Question

这是我去年在Matlab中为k近邻概率分布编写的代码：

   function [ p_y_x ] = p_y_x_KNN(y, K )
    % Function calculates distribution p(y|x) for each class and each object 
    % from test dataset using KNN classifier
    % y - matrix of sorted class labels for training dataset N1xN2
    % K - number of nearest neighbors
    % p_y_x - probability matrix for object in X
    % each row of matrix represents distribution p(y|x)) N1xM

    % N1 - number of elements in testing dataset
    % N2 - number of elements in training dataset
    % M - number of classes

    N1 = size(y,1);
    M = length(unique(y));
    p_y_x = zeros(N1,M);
    N2 = size(y,2);
    for i=1:N1
        for j=1:M
            p_y_x(i,j) = (1/K)*sum(y(i, 1:K) == j);
        end
    end
    end

它起作用了。现在我需要把它翻译成Python。到目前为止我还不明白这是怎么回事。恐怕行不通。

def p_y_x_knn(y, k):
    """
    Function calculates conditional probability p(y|x) for
    all classes and all objects from test set using KNN classifier
    :param y: matrix of sorted labels for training set N1xN2
    :param k: number of nearest neighbours
    :return: matrix of probabilities for objects X
    """
    N1, N2 = y.shape
    M = len(np.unique(y))
    p_y_x = np.zeros(shape=(N1, M))
    for i in range(1,N1):
        for j in range(1,M):
            p_y_x[i, j] = (1/k)*(np.sum(y[i,0:k] == j+1))
    return p_y_x

我无法粘贴回溯，因为这个函数只是一个更大项目的一部分，我得到的唯一输出是“失败”，而不是像往常一样的“错误”，在那里我可以看到什么不起作用。排序标签的y矩阵是正确的，就像已经提供的其他所有内容一样。也许你们中的一些人能看出我的推理中有什么明显的错误？

编辑：更改代码：

N1, N2 = y.shape
M = len(np.unique(y))
p_y_x = np.zeros((N1, M))
for i in range(N1):
    for j in range(M):
        p_y_x[i, j] = (1.0/k)*(np.sum(y[i,0:k-1] == j))
return p_y_x

正如@StackPlayer建议的那样，我更改了范围和k，并且我失去了'j+1‘，因为我相信不应该增加这个值。我还是没有得到任何错误，只是‘失败’。

Answer 1

您可能需要将0:k调整为0:k-1，对于for循环也是一样的，请按照它的方式使用范围(不要尝试在Python的0索引上强制MATLAB 1索引！)

Answer 2

堆栈播放器说得对。我对这个答案的补充是在这个函数中使用python3，或者将(1/k)更改为(1.0/k)，并使用python2.*，因为在python2 (1/k)中，k是整数，返回整数0，所有元素都是零。

好的，在Python上用这段代码进行测试，你的Matlab代码给了我相同的结果。

def p_y_x_knn(y, k):
    """
    Function calculates conditional probability p(y|x) for
    all classes and all objects from test set using KNN classifier
    :param y: matrix of sorted labels for training set N1xN2
    :param k: number of nearest neighbours
    :return: matrix of probabilities for objects X
    """
    N1, N2 = y.shape
    M = len(np.unique(y))
    p_y_x = np.zeros((N1, M))
    for i in range(N1):
        for j in range(M):
            p_y_x[i, j] = (1.0/k)*(np.sum(y[i,0:k] == j+1))
    return p_y_x